화재 보험 산정

Ames Fire Insurance

🔥 우리는 LS 화재보험사

에임즈(Ames) 시에 새로운 보험상품을 출시하려 합니다.
그런데 이 지역은 화재 위험도가 어떤지,
보험금은 얼마로 책정해야 수익이 날 수 있을지,
아무도 정확히 모릅니다.

이제 데이터를 기반으로,
에임즈 시의 보험료를 직접 산정해보겠습니다.

📌 프로젝트 배경

최근 기후 변화와 노후화된 주택 문제로,
미국 내 화재 사고가 증가하고 있습니다.
캘리포니아 산불 사례처럼, 보험사는 막대한 손실을 입을 수 있습니다.

그렇다면, 우리는 사전 예측과 리스크 분석을 통해
보다 정밀한 보험료 책정이 가능할까요?

Ames Housing 데이터를 기반으로
데이터 기반 화재보험 모델을 구축합니다.

🧭 분석 흐름 요약

1️⃣ 화재 위험 시각화
2️⃣ 화재 대응 자원 분석
3️⃣ 피해액 예측 모델링
4️⃣ 보험금 산정 공식 설계
5️⃣ 추천 리스트 & 정책 제안

🗺️ 1. 위험도 기반 주택 시각화

📋 2. 화재 위험도 산정 기준표

📊 3. 위험도별 주택수량 막대그래프

# sns.countplot(x='Risk_Level', data=dataset)

📊 탭 구조 예시

📐 2. 건물 피해 단가 기준 계산식 (근거)

📉 3. 가격 분포 막대그래프

# sns.histplot(data=dataset, x='BuildingPricePerTotalSF')

📝 1에 대한 해석

🔥 분석 목적 요약

화재 위험 등급이 높을수록 주택 가격이 낮은가? 위험도와 가격 간의 관계를 통계적으로 검정하고, 그 결과를 시각화와 함께 해석합니다.

📊 아노바 검정 결과

📈 위험도별 주택가격 Box Plot

🔍 결과 해석

📌 결론 요약

📌 분석 목적

거래가 없는 주택에도 적용 가능한 예측 모델을 통해 보험료를 산정합니다.

🔧 보험료 예측 모델

# 회귀 모델 학습 및 평가 코드

🗺️ 예측 보험료 지도 시각화

# Scattermapbox 지도 시각화 코드

💰 보험료 산정 공식

예상 보험료 = 예측 피해액 × 화재 위험 가중치 × 자재 손상률 × 노후도 계수

예시: 24,500 × 1.2 × 1.1 × 0.9 ≈ 29,106 USD

📌 분석 목적

에임즈 전체 보험료 총합과 보장 총액을 바탕으로 손익분기점을 분석합니다.

🎯 위험-수익 매트릭스 시각화

각 구역(또는 주택)을 위험도와 수익성 축으로 표현한 4분면 분석입니다.
수익이 낮고 위험이 높은 지역은 보험 인수 대상에서 제외하는 전략이 필요합니다.

📈 손익 시나리오 그래프

# x축: 보장 비율 (%)
# y축: 수익 또는 손실 (USD)

📌 결론 요약